| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第11-19页 |
| 1.1 论文研究背景和意义 | 第11-12页 |
| 1.1.1 选题背景 | 第11页 |
| 1.1.2 选题的目的和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 税基批量评估的研究现状 | 第12-15页 |
| 1.2.2 BP神经网络的研究现状 | 第15-16页 |
| 1.3 论文的研究内容 | 第16-17页 |
| 1.4 论文的研究方法和技术路线 | 第17-19页 |
| 1.4.1 论文研究方法 | 第17页 |
| 1.4.2 论文的技术路线 | 第17-19页 |
| 2 房地产税基评估与一般房地产评估的对比研究 | 第19-28页 |
| 2.1 房地产价值评估概述 | 第19-21页 |
| 2.1.1 房地产价值评估的定义 | 第19页 |
| 2.1.2 房地产价值评估中的几个关键因素 | 第19-20页 |
| 2.1.3 房地产评估的常用方法 | 第20-21页 |
| 2.2 房地产税基评估概述 | 第21-23页 |
| 2.2.1 房地产税基评估含义 | 第21页 |
| 2.2.2 房地产税基评估中的几个关键因素 | 第21-22页 |
| 2.2.3 税基评估与房地产价值评估的差异 | 第22-23页 |
| 2.3 税基批量评估技术 | 第23-28页 |
| 2.3.1 批量评估的含义及特点 | 第23-24页 |
| 2.3.2 批量评估的工作流程 | 第24页 |
| 2.3.3 批量评估的优势 | 第24-25页 |
| 2.3.4 批量评估应用的基本前提 | 第25-27页 |
| 2.3.5 各国批量评估模型介绍 | 第27-28页 |
| 3 BP神经网络方法及在房地产税基评估中的可行性 | 第28-37页 |
| 3.1 BP神经网络概述 | 第28-30页 |
| 3.1.1 人工神经网络概述 | 第28页 |
| 3.1.2 BP神经网络概述 | 第28-30页 |
| 3.2 BP神经网络应用于税基评估的可行性分析 | 第30-34页 |
| 3.2.1 BP神经网络性能的可行性分析 | 第30-31页 |
| 3.2.2 外围环境政策可行性分析 | 第31-34页 |
| 3.3 BP神经网络法与多元回归法对比研究 | 第34-37页 |
| 3.3.1 多元回归的工作流程 | 第34-35页 |
| 3.3.2 神经网络与多元回归的对比分析 | 第35-37页 |
| 4 基于BP神经网络的房地产税基评估模型建立 | 第37-50页 |
| 4.1 BP神经网络应用于房地产税基评估的工作流程设计 | 第37页 |
| 4.2 前期准备阶段 | 第37-38页 |
| 4.2.1 明确评估对象 | 第38页 |
| 4.2.2 确定评税分区 | 第38页 |
| 4.3 建立指标与数据库阶段 | 第38-43页 |
| 4.3.1 确定评估对象的特征因素 | 第39-42页 |
| 4.3.2 确定量化标准 | 第42页 |
| 4.3.3 建立房地产税基评估数据库 | 第42-43页 |
| 4.4 建立神经网络与使用阶段 | 第43-48页 |
| 4.4.1 Matlab及其神经网络工具箱介绍 | 第43-44页 |
| 4.4.2 BP神经网络的学习算法选定 | 第44-46页 |
| 4.4.3 BP神经网络其他参数的设计 | 第46-48页 |
| 4.4.4 网络的训练 | 第48页 |
| 4.4.5 检测模型的评估结果 | 第48页 |
| 4.4.6 进行评估 | 第48页 |
| 4.5 模型校准与申诉阶段 | 第48-50页 |
| 4.5.1 税务机关的常规监控 | 第48-49页 |
| 4.5.2 公民申诉机制 | 第49页 |
| 4.5.3 误差的处理机制 | 第49-50页 |
| 5 基于BP神经网络的房地产税基评估案例分析——以北京市朝阳区为例 | 第50-69页 |
| 5.1 北京市房地产市场概况 | 第50-52页 |
| 5.2 研究区域的确定及数据采集 | 第52-59页 |
| 5.2.1 研究区域的确定 | 第52-53页 |
| 5.2.2 相关数据的获取方式 | 第53-54页 |
| 5.2.3 特征因素的选取 | 第54-55页 |
| 5.2.4 数据的采集与量化方法 | 第55-59页 |
| 5.3 税基评估的BP神经网络的实现 | 第59-62页 |
| 5.3.1 相关计算过程及代码 | 第59-60页 |
| 5.3.2 训练过程 | 第60-61页 |
| 5.3.3 BP神经网络的测试与结果 | 第61-62页 |
| 5.4 税基评估的多元回归模型的实现 | 第62-67页 |
| 5.4.1 模型的设定 | 第62页 |
| 5.4.2 模型的估计和检验 | 第62-63页 |
| 5.4.3 住宅多元回归的检验 | 第63-66页 |
| 5.4.4 模型特征变量的分析 | 第66-67页 |
| 5.4.5 多元回归模型的测试和结果 | 第67页 |
| 5.5 两种计算结果误差差异显著性比较 | 第67-69页 |
| 6 结论与展望 | 第69-71页 |
| 6.1 本文的主要研究工作及结论 | 第69-70页 |
| 6.2 不足与展望 | 第70-71页 |
| 参考文献 | 第71-73页 |
| 附录A BP神经网络实际测试的结果 | 第73-75页 |
| 附录B 多元回归实际测试的结果 | 第75-77页 |
| 附录C 住宅小区周边配套指标权重调查表 | 第77-79页 |
| 作者简历及攻读硕士 /博士学位期间取得的研究成果 | 第79-81页 |
| 学位论文数据集 | 第81页 |